FIFA 世界杯 2026 冠军预测：一份 MLOps 指南

支撑预测的数据

预测的好坏取决于输入的数据，因此从原材料讲起很有必要。模型从两个实时数据源学习，并将其整理为一张整洁的特征表。

数据来源

一切都来自两个地方。API-Football 提供赛程与逐场统计：谁对谁、何时、何地、比分如何。eloratings.net 提供各国家队的 Elo 评分。

Elo 评分是衡量球队强弱的单一数值。每支球队都位于这条刻度上的某处，每场比赛后评分都会更新：击败更强对手涨分更多，输给更弱对手会大幅降分。该理念源自国际象棋，非常适合迁移到足球。若想全面理解，这篇早前的 DataCamp 文章以 2022 年世界杯为例进行了讲解。

两者结合后，得到一份金层（Gold）数据集，可从 2018 年以来约 6,900 场国家队比赛中学习。

模型在预测什么

首先要做的关键设计选择是：与其直接预测胜、平、负，不如预测更细颗粒的目标——双方各自的进球数。足球的进球数在相当好的近似下服从泊松分布，这是对固定时间窗口内相对罕见事件发生次数的标准建模方式。

预测进球而非赛果，使后续一切成为可能。一旦模型能为任意对阵给出合理的比分，大家真正关心的“谁能出线、谁能捧杯”等问题，就可通过对这些比分进行上千次模拟来回答。

关键特征

每场比赛由一组小而精心挑选的特征描述：

• Elo 差值：两队评分差。这是模型中迄今最重要的单一特征，其重要性大约比次强特征高两个数量级。这也符合直觉：双方实力差距往往比其他因素更能说明结果。
• Elo 总和：两队评分相加，代表比赛的总体质量。仅有差值无法区分阿根廷对西班牙与圣马力诺对安道尔——两场势均力敌却层级迥异的对决；总和能够恢复这部分信息。
• 滚动 Elo 变化（近 5 场）：各队近期评分变动，体现状态，同时已隐含对手强弱的权衡。
• 滚动进失球（近 5 场）：各队近期进攻与防守的绝对产出。
• 比赛语境：赛事级别（世界杯与预选赛、欧国联等权重不同）、是否淘汰赛、是否中立场地。

所有特征都严格避免信息泄露，意味着仅使用开球前可获得的信息。听起来显而易见，但这恰恰是最容易让模型在测试中“神乎其神”、现实中却崩盘的坑之一。

一个未被采纳的想法：我原计划基于比赛内统计对球队聚类，构建一组“打法风格”特征，这是一次无监督学习尝试。实际中，球队并未分成有意义的群组；与其喂给模型噪声，不如舍弃它。负面结果也是结果。

确保数据可复现

当数据以滚动方式从两个来源到达，从原始文件到可用于建模的特征的路径必须每次都完全一致。这正是勋章式架构所提供的：将数据分为三层：

• 铜层（Bronze）：原始数据，按到达状态原样保留。
• 银层（Silver）：清洗与标准化。在此步我会对齐两个来源的队名（拼写常常不同）、校验模式、把 Elo 评分关联到比赛记录，并处理缺失或异常。
• 金层（Gold）：建模层，每场比赛一行，特征齐备、可直接训练。

各层逐级馈送，因此一旦出现异常，我可以逐层回溯而非一次性解开所有结。为使整条路径可复现，我使用 DVC（数据版本控制）。每当有新赛果到来，运行一次 dvc repro 即可从铜层重建银层与金层；仅当输入发生变化时才会重跑相应步骤，并为产出的数据集打版本，以便精确还原任意早期状态。

选择最佳模型

预测进球是个研究充分的问题，没有单一显而易见的工具。因此，我没有先入为主，而是构建了十个模型让它们同台竞争。

候选者

这十个模型覆盖五大家族外加一个简单基线。您无需了解各自内部细节；关键在于它们对进球生成机制的假设截然不同。

评分方式

有十个候选者，凭肉眼很难选出优胜者。因此每个模型都要经过三个阶段，由代码决定是否晋级。这就是基于代码的部署：模型从一个环境晋升到下一个环境依靠自动化检查而非人工微调，从而保证选择过程可复现且便于审计。

• 实验。所有模型仅使用 2022 年世界杯之前的国家队比赛训练。并非所有比赛权重相同：近期比赛与更高重要性的比赛权重大（时间衰减与比赛重要性加权），因此最近的正式比赛比陈年的友谊赛更能影响模型。随后使用交叉验证调参，以最小化泊松负对数似然（NLL）。NLL 衡量预测的进球率与实际进球的匹配程度，数值越低越好。输出是每个模型的最佳调参版本。
• 质量保证。这些调好的模型将在从未见过的比赛上测试：2022 年世界杯加上此后举办的六项大赛（欧洲杯、两届非洲杯、美洲杯、亚洲杯与金杯赛），共 347 场。在此阶段，评估指标切换为排序概率分数（RPS），用于衡量在结果有天然顺序（负、平、胜）时概率预测的优劣，并奖励“大致方向正确且自信”的预测。仍是越低越好。此处表现最强者成为挑战者。RPS 更合适，因为实际目标是预测球队能走多远，而不仅是进球总数。
• 部署。挑战者与现任冠军对比；若胜出，则晋升并在所有可用比赛上重拟合，以便带着全部数据进入赛事。

胜出者

那么，谁最终胜出？以下是以 RPS（越低越好）计的完整留出集排行榜：

从这些结果中有四点值得注意：

• XGBoost 取胜，但优势微弱。前五名（XGBoost、贝叶斯泊松、负二项、二元泊松、随机森林）之间仅约 0.0011 RPS 的差距。当五种截然不同的方法打得如此接近，通常意味着天花板由数据与特征决定，而非模型本身。在这里，Elo 差值承担了大部分工作，模型选择带来的增益非常有限。
• 单一特征占主导。Elo 差值以巨大优势成为最重要的预测因子，其影响力约为次要特征的一百倍。这更令人安心而非意外：在一场比赛中，双方实力差距确实是大部分故事。
• 深度学习垫底（不含基线）。1D CNN 和 LSTM 除了天真的基线外最弱。约 7,000 场可学的比赛显然不足以支撑拥有大量参数的网络；在小而结构化的数据集上，经典方法要稳健得多。
• 经典模型未现过拟合迹象。通常模型在未见数据上的表现会比训练阶段稍差。但这里几乎所有模型（LSTM 例外）在留出赛事上的得分优于交叉验证。可能原因是锦标赛足球比日常的国际赛更可预测：更高赌注、更强且彼此熟悉的球队、中立场地，都削弱了随机性。

在实况赛事中，我不会同时运行全部十个模型，而是保留一个更小的阵容：作为参照的平均速率基线，加上三名表现最佳者。XGBoost 与贝叶斯泊松稳居前二。

第三名几乎是平局：负二项与二元泊松仅相差 0.0002 RPS，且会随随机种子互换位置。两者在统计上无可区分，我选择了在足球预测文献中基础更扎实的二元泊松（Karlis 与 Ntzoufras，2004）。

最终阵容为 XGBoost（机器学习）、二元泊松（经典统计）与贝叶斯泊松（贝叶斯推断）。下一节将介绍这些模型如何运行、再训练，以及如何把单场预测转化为完整赛事预测。

走向生产

只存在于笔记本里的模型，只有当您坐在它面前时才有用。要在为期一个月的赛事中持续预测，整个系统必须自动运行：拉取新赛果、再训练、重模拟、刷新预测，无需人工干预。这正是流水线的职责。

GCP 上的双小时调度流水线

整个项目作为一个计划任务运行在 Google Cloud Run 上。赛前每天唤醒一次；自 6 月 11 日揭幕战起，每两小时运行一次。每次运行遵循相同流程：

• 检查新增数据。若自上次运行后无比赛结束，则无需处理，任务提前退出。
• 摄取与重建。有新赛果时，从数据源拉取，并通过一次 dvc repro 重建银层与金层，确保特征最新。
• 再训练、预测、模拟。将阵容模型更新至最新状态（稍后详述），预测所有即将到来的对阵，并运行完整赛事模拟。
• 打分。每当一场比赛结束，即对其对应的预测进行评分，用于下文的监控。

由于每一步都由定时触发的代码执行，整个赛事期间无需人工点击。新赛果进，最新预测出。

两种模式：冻结 vs. 分轮

项目在赛事期间也兼作一项实验。阵容以两种并行模式运行，两者差异正是我希望用数据回答的问题：随着赛事推进进行再训练，是否能提升预测效果？

• 冻结。比赛开球那一刻起模型即锁定，不再再训练。它们仍会响应赛果，因为每次模拟都从更新后的签表开始，但模型参数本身不会变化。
• 分轮。超参数（高层设置）保持不变，但在每轮小组赛结束、每轮淘汰赛结束后，利用所有可用数据重拟合模型参数，使其在赛事进行中持续学习。

并行运行让赛后可以从两个维度比较：原始预测准确性，以及随着赛程收窄各自不确定性的消解速度。若分轮更优，则定期再训练物有所值；若冻结也能抗衡，则额外机制或许并不必要。

从预测到整届赛事：蒙特卡罗模拟

预测一场比赛是一回事，把它转化为“每支球队的夺冠概率”为何，则要用到蒙特卡罗模拟。

首先是推断。模型不仅预测已知赛程，还会预测 48 支球队间的所有可能对阵。听起来很多，但在锦标赛中，任何球队都有可能在淘汰赛遭遇任何对手，因此必须为每个配对准备预测。

接着要编码规则，而 2026 赛制尤其棘手。12 个小组各取前两名自动出线，同时 8 个成绩最好的第三名也晋级；这 8 支队伍分别进入哪一个 32 强签位，还取决于它们来自哪些小组。

从 12 个小组中选出 8 个的组合共有 495 种（从 12 取 8），每种组合都会产生不同的 32 强对阵方案。这没有简洁公式；FIFA 直接公布了一张对照表。因此我（准确说是我非常能干的同事 Cursor）将全部 495 种组合硬编码进一个映射，以上述官方表为依据。

"best_third_mappings": {
  "EFGHIJKL": {
    "74": "3F",
    "77": "3G",
    "79": "3E",
    "80": "3K",
    "81": "3I",
    "82": "3H",
    "85": "3J",
    "87": "3L"
  }, 
  "DFGHIJKL": ...

每个键（如 EFGHIJKL）列出晋级的第三名来自哪些 8 个小组；对应的值则把这些球队（3E、3F 等）放入特定的 32 强场次编号。这只是其中一条；完整映射共 495 条，每种组合一条。

三支东道主（美国、加拿大、墨西哥）需要额外处理。当东道主在本国进行比赛时，模拟会对该场次施加主场优势调整；其余场次视作中立场地。

有了预测与规则，模拟将整届赛事运行 10,000 次。每次运行遵循下列流程：

1. 为每场比赛抽样比分：从模型预测分布中分别采样主、客队进球
2. 按照真实积分与决胜规则跑完小组赛
3. 计算最佳第三名对照表
4. 根据上述映射填充淘汰赛签表
5. 一路打到产生单一冠军。

在 10,000 次模拟中，一个队伍进入决赛或捧杯的占比，就是该队的概率。一次运行只是一次猜测；一万次运行才称得上预测。

用 MLflow 全程追踪

上述两种模式下的每一次运行，都会记录到 MLflow（托管在 DagsHub）。实验追踪意味着系统化记录每次运行的输入、设置、结果与输出，方便相互比较或精确复现。值得一提的包括：

• 可复现性。模拟使用基于赛事轮次派生的固定随机种子，冻结与分轮模式共享同一种子。这样两者差异仅源自模型本身，而非模拟中的抽签运气。每次运行也会记录所见数据快照（Gold 行数与时间戳），便于将结果精确追溯到输入。
• 实验标注。每次运行都会打上模式标签（冻结或分轮）与生命周期阶段标签，从实验、QA 到在线推断与重拟合，映射上一节的晋升流程。
• 对比。记录留出集 RPS 作为选择指标，并引用当前冠军运行以保持谱系关系。同时记录拟合时间，这也清晰显示了贝叶斯模型约 100 倍的训练耗时差异。

训练后的模型与预测文件（赛事概率、小组排名、比赛预测）作为运行工件保存，正是这些文件为在线仪表板提供数据。至此闭环：从原始赛果，经训练与模拟，到您在线可见的数字。

监控漂移

最后一环在比赛结束后运行。真实赛果到来时，会对对应的预测进行评分，并与简单的平均速率基线对比。若完整模型开始不如一个对球队“一无所知”的模型，那就是漂移警讯：赛前学到的模式可能已不再符合场上发生的情况。

这类监控是任何在线预测系统的标准做法，您可在这篇关于数据漂移与模型漂移的指南中了解其检测方式。

那么，谁会赢得世界杯？

说了这么多，下面是这些机械装置存在的意义。

热门球队

截至 2026 年 6 月 10 日（揭幕战前一天），模型在最顶端给出了明确判断，紧随其后的差距则很小。西班牙与阿根廷领跑，各有约 16% 的夺冠概率。现任世界冠军（阿根廷）与现任欧洲冠军（西班牙）位居前二，这也是模型贴近现实的一次理性校验。

其后是紧密的追赶集团：法国、英格兰、巴西与哥伦比亚构成最有可能夺冠的阵营。这些数字会随着真实赛果的落地而变化，因此请将其视为 6 月 10 日的快照，而非铁板钉钉的预言。仪表板始终显示当前数值，延迟不超过两小时。

在线仪表板

说到这里：本文中的每个数字都来自一款会随流水线自动更新的 Streamlit 应用。您可访问 wc2026-predictions.streamlit.app，在赛事期间实时查看。共有四个主要视图：

• 赛事总览：一眼看出各队预计能走多远。
• 小组排名：各组内，每队获得第 1、第 2、第 3（细分为“第三出线”与“第三淘汰”，得益于最佳第三规则）或第 4 的概率。
• 比赛预测：每场小组赛的主胜、平、客胜概率，以及最可能的淘汰赛签表。
• 最常见淘汰赛对阵：模拟中最常出现的配对。

比赛视图中有一处需要说明：个别球队会同时出现在两个可能的 32 强签位中。这不是 Bug。当一个小组过于均衡，模型无法有把握地判定某队的出线名次时，就会出现这种情况。再叠加最佳第三的不确定性，这两种结果会对应不同的淘汰赛签位。以土耳其为例，甚至曾在 16 强中“出现两次”。

下图展示了 XGBoost 模型在开赛前对后几轮（四分之一决赛至决赛）的投射：

“抛硬币队”：美国

这种模型的乐趣在于那些挑战直觉的球队，最明显的例子是美国。打开仪表板的赛事总览，您会立刻注意到美国的颜色很显眼。

作为东道主之一，主场作战似乎该有一个轻松的起步，但模型更为谨慎：他们小组出线概率仅约 54.6%，在全部 48 队中倒数第 13（别忘了有三分之二的球队能出线！），原因在于与澳大利亚、巴拉圭、土耳其同组，整体极为均衡。

更有意思的是之后的走势。即便侥幸出线，美国在随后的每一轮基本都徘徊在“五五开”。把这些硬币抛在一起，他们的总夺冠概率约为 2%，在所有球队中位列第 13。

一个小组出线概率排名倒数第 13、而夺冠概率排名正数第 13 的队，几乎就是“抛硬币队”的完美定义：从不是热门，也从未出局。

结语

这个项目工作量不小，覆盖面也远超一篇文章所能容纳。仓库里还有许多本文未涉及的内容：完整的候选模型集合、特征工程细节，以及维系一切运行的编排等。

目前，模型已经给出了选择，赛事将给出裁决。无论您是为 MLOps 而来，还是为足球而来，都希望您能和我一样享受它的展开。随着比赛推进，您可以关注实时预测，看看这些预测经得起多少考验。

如果您想更深入了解文中提到的一些概念，推荐学习我们的 MLOps 概念 课程。